PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CÔNG TY KINH DOANH PHÂN BÓN NIÊM YẾT Ở VIỆT NAM

Trong bối cảnh đại dịch COVID-19 có thể còn kéo dài, đóng cửa biên giới làm ảnh hưởng đến nguồn nguyên liệu đầu vào của ngành phân bón, đại dịch cũng làm chậm đi sự phát triển của nền kinh tế nói chung và ngành phân bón nói riêng. Hàng loạt các vấn đề đặt ra như hàng tồn kho bị ứ đọng, các khoản nợ xấu, giá cả biến động thất thường do mất cân bằng giữa nguồn cung và nguồn cầu, các rủi ro về vấn đều tài chính như không trả được các khoản nợ đến hạn trả hay không đảm bảo được KNTK và KNSL,…và rất nhiều vấn đề khác đang đặt ra những vấn đề nan giải cho nền kinh tế Việt Nam nói chung và cho các doanh nghiệp trong lĩnh vực phân bón nói riêng. Trọng tâm chính của hầu hết các doanh nghiệp, tổ chức là tối đa hóa lợi nhuận tuy nhiên nhu cầu về quản lý hiệu quả tài sản lưu động thường bị bỏ qua Theo lý thuyết đánh đổi (trade-off theory) thì điều này là hợp lý bởi vì các nhà quản lý tin rằng thanh khoản và lợi nhuận là những mục tiêu mâu thuẫn nhau, không thể đạt được cả hai tính thanh khoản cao trong khi lợi nhuận cũng cao. Vì vậy, doanh nghiệp, tổ chức chỉ có thể theo đuổi một mục tiêu và loại bỏ mục tiêu còn lại. Trong bài nghiên cứu của Hà Đức Hiếu(2014)đã tìm thấy một mối quan hệ nghịch chiều giữa quản lý thanh khoản và khả năng sinh lợi của các công ty sản xuất ở Việt Nam thông qua biến đại diện của khả năng thanh khoản là chu kỳ chuyển đổi tiền mặt. Kết quả của nghiên cứu này chỉ ra rằng các nhà quản lý trong doanh nghiệp tăng lợi nhuận của công ty thông qua việc rút ngắn chu kỳ chuyển đổi tiền mặt, thời gian chuyển đổi hàng tồn kho, các khoản phải thu nhưng sẽ kéo dài thời gian trả nợ nhà cung cấp để tận dụng tối đa nguồn lực tài chính cho công ty mình. Bên cạnh đó, Owolabi và cộng sự(2011) đã tiến hành đo lường mối quan hệ giữa khả năng thanh khoản và khả năng sinh lợi của các công ty sản xuất nhiêm yết trên sàn chứng khoán Nigeria. Nghiên cứu cho thấy dòng tiền và chu kì chuyển đổi tiền mặt có tác động đáng kể đến khả năng sinh lợi. Các nhà quản lý có thể tăng lợi nhuận bằng cách quản trị tốt được dòng tiền và chu kì chuyển đổi tiền mặt.   Năm 2019 nhìn chung kết quả kinh doanh các doanh nghiệp ngành phân đạm sụt giảm mạnh so với cùng kỳ chủ yếu vì giá vốn tăng do biến động giá dầu thế giới. Bên cạnh đó, các sản phẩm phân bón trong nước phải đối mặt với sự cạnh tranh rất lớn của hàng nhập khẩu, chủ yếu đến từ các nước như Trung Quốc, Nga, Indonesia, Malaysia… do lợi thế công nghệ sản xuất, và đa phần là các nước thuộc khối ASEAN được hưởng thuế nhập khẩu ưu đãi đặc biệt 0% theo Hiệp định ATIGA. Trong bối cảnh nền kinh tế Việt Nam ở giai đoạn này khi mà các công ty đang hoạt động trong giai đoạn kinh tế còn nhiều khó khăn do khủng hoảng tài chính toàn cầu, thiên tai dịch bệnh thì vấn đề mối quan hệ giữa khả năng thanh khoản và khả năng sinh lợi được đặt lên hàng đầu và cũng là vấn đề mà các nhà quản trị cần phải quan tâm. Đây là lý do mà tác giả chọn đề tài“Phân tích tác động của tính thanh khoản đến khả năng sinh lợi trong các công ty kinh doanh phân bón niêm yết ở Việt Nam” cho bàiluận văn tốt nghiệp. Bài luận văn này góp phần đóng góp thêm một bằng chứng thực nghiệm về tác động giữa KNTK và KNSL của các công ty kinh doanh phân bón niêm yết trên sàn chứng khoán Việt Nam

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN  VŨ THỊ PHƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CÔNG TY KINH DOANH PHÂN BÓN NIÊM YẾT Ở VIỆT NAM LUẬN VĂN THẠC SĨ KẾ TOÁN HÀ NỘI, 2020 TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN  VŨ THỊ PHƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CƠNG TY KINH DOANH PHÂN BĨN NIÊM YẾT Ở VIỆT NAM Chuyên ngành: Kế toán, Kiểm toán phân tích Mã ngành: 8340301 LUẬN VĂN THẠC SĨ KẾ TỐN Người hướng dẫn khoa học: GS.TS NGUYỄN VĂN CƠNG HÀ NỘI, 2020 LỜI CAM ĐOAN Tôi đọc hiểu hành vi vi phạm trung thực học thuật Tôi cam kết danh dự cá nhân nghiên cứu tự thực không vi phạm yêu cầu trung thực học thuật Hà Nội, ngày tháng năm Học viên Vũ Thị Phượng LỜI CẢM ƠN Tôi xin chân thành cảm ơn đến GS.TS Nguyễn Văn Công, người hướng dẫn cá nhân tơi hồn thành luận văn Tôi xin chân thành cảm ơn thầy cô Viện Kiểm toán – Kế toán Trường Đại học Kinh tế quốc dân tạo điều kiện giúp đỡ việc nghiên cứu, bảo vệ luận văn Học viên Vũ Thị Phượng MỤC LỤC DANH MỤC CHỮ VIẾT TẮT Từ viết tắt CR DIO DSO DPO GLS KNTK KNSL OLS QR ROA ROE Ý Nghĩa Hệ số khả toán nợ ngắn hạn Thời gian hàng tồn kho Thời gian thu tiền hàng Thời gian phải trả nhà cung cấp Bình phương nhỏ tổng quát Khả khoản Khả sinh lợi Phương pháp bình phương bé Hệ số khả toán nhanh Khả sinh lời tài sản Khả sinh lời vốn chủ sở hữu DANH MỤC BẢNG BIỂU DANH MỤC HÌNH TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN  VŨ THỊ PHƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CƠNG TY KINH DOANH PHÂN BĨN NIÊM YẾT Ở VIỆT NAM Chuyên ngành: Kế toán, Kiểm toán phân tích Mã ngành: 8340301 TĨM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI, 2020 TÓM TẮT LUẬN VĂN THẠC SĨ Chương 1: GIỚI THIỆU LUẬN VĂN NGHIÊN CỨU Tính cấp thiết luận văn nghiên cứu Trong bối cảnh đại dịch COVID-19 cịn kéo dài, đóng cửa biên giới làm ảnh hưởng đến nguồn nguyên liệu đầu vào ngành phân bón, đại dịch làm chậm phát triển kinh tế nói chung ngành phân bón nói riêng Hàng loạt vấn đề đặt hàng tồn kho bị ứ đọng, khoản nợ xấu, giá biến động thất thường cân nguồn cung nguồn cầu, rủi ro vấn tài không trả khoản nợ đến hạn trả hay không đảm bảo KNTK KNSL,… nhiều vấn đề khác đặt vấn đề nan giải cho kinh tế Việt Nam nói chung cho doanh nghiệp lĩnh vực phân bón nói riêng Trọng tâm hầu hết doanh nghiệp, tổ chức tối đa hóa lợi nhuận nhiên nhu cầu quản lý hiệu tài sản lưu động thường bị bỏ qua Theo lý thuyết đánh đổi (trade-off theory) điều hợp lý nhà quản lý tin khoản lợi nhuận mục tiêu mâu thuẫn nhau, đạt hai tính khoản cao lợi nhuận cao Vì vậy, doanh nghiệp, tổ chức theo đuổi mục tiêu loại bỏ mục tiêu lại Trong nghiên cứu Hà Đức Hiếu (2014) tìm thấy mối quan hệ nghịch chiều quản lý khoản khả sinh lợi công ty sản xuất Việt Nam thông qua biến đại diện khả khoản chu kỳ chuyển đổi tiền mặt Kết nghiên cứu nhà quản lý doanh nghiệp tăng lợi nhuận công ty thông qua việc rút ngắn chu kỳ chuyển đổi tiền mặt, thời gian chuyển đổi hàng tồn kho, khoản phải thu kéo dài thời gian trả nợ nhà cung cấp để tận dụng tối đa nguồn lực tài cho cơng ty Bên cạnh đó, Owolabi cộng (2011) tiến hành đo lường mối quan hệ khả khoản khả sinh lợi công ty sản xuất nhiêm yết sàn chứng khoán Nigeria Nghiên cứu cho thấy dịng tiền chu kì chuyển đổi tiền mặt có tác động đáng kể đến khả sinh lợi Các nhà quản lý tăng lợi nhuận cách quản trị tốt dịng tiền chu kì chuyển đổi tiền mặt 10 97 thực kiểm đếm Từ việc kiểm soát tốt lượng hàng tồn kho giúp cơng ty tối ưu chi phí liên quan đến hàng tồn kho thất thốt, có kế hoạch mua nguyên vật liệu phù hợp để tối thiểu chi phí lưu kho, giúp doanh nghiệp giảm giá vốn hàng bán, góp phần nâng cao KNSL DANH MỤC TÀI LIỆU THAM KHẢO Ahmad, R (2016) A Study of Relationship between Liquidity and Profitability of Standard Charterd Bank Pakistan: Analysis of Financial Statement Approach Global Journal of Management and Business Research: C Finance, 6(1), 7782 Balasundaram, N., & Priya, K (2013) Liquidity Management and Profitability: A Case Study of Listed Manufacturing Companies in Sri Lanka International Journal of Technological Exploration and Learning 2(4), 161-165 Bolek, M., & Wolski, R (2012) Profitability or Liquidity: Influencing the Market Value The Case of Poland International Journal of Economics and Finance 9(4), 182-190 cophieu68.vn/ (2020, 16) DANH SÁCH NHÓM NGÀNH - PHÂN BÓN Retrieved 2020, from https://www.cophieu68.vn/categorylist.php Dahiyat, A (2016) Does Liquidity and Solvency Affect Banks Profitability? Evidence from Listed Banks in Jordan International Journal of Academic Research in Accounting, Finance and Management Sciences, 6(1), 35-40 DOI: 10.6007/IJARAFMS/v6-i1/1954 Dahiyat, A (2016) Does Liquidity and Solvency Affect Banks Profitability? Evidence from Listed Banks in Jordan International Journal of Academic Research in Accounting, Finance and Management Sciences 6(1), 3540.DOI:10.6007/IJARAFMS/v6-i1/1954 Deloof, M (2003) Does Working Capital Management Affect Profitability of Belgian Firms? Journal of Business Finance & Accouting, 39.doi.org/10.1111/1468-5957.00008 Ebenezer, O O., Islam, M A., Yusoff, W S., & Sobhani, F A (2019) Exploring Liquidity Risk and Interest-Rate Risk: Implications for Profitability and Firm Value in Nigerian Banks Journal of Reviews on Global Economics 8., 315326 Eljelly, A (2004) Liquidity - profitability tradeoff: An empirical investigation in an emerging market International Journal of Commerce and Management 14(2), 48-61.DOI: 10.1108/10569210480000179 Hà Đức Hiếu (2014) MỐI QUAN HỆ GIỮA QUẢN LÝ THANH KHOẢN VÀ KHẢ NĂNG SINH LỢI CỦA CÁC CÔNG TY SẢN XUẤT TẠI VIỆT NAM TP.Hồ Chí Minh Hamid, M K., & Akhi, R A (2016) Liquidity and Profitability Trade-off in Pharmaceuticals and Chemicals Sector of Bangladesh International Journal of Science and Research, 5(9), 420-423.DOI: 10.21275/ART20161385 Ibrahim, & Aqeel, M (2017) Impact of Liquidity Management on Profitability in the Pakistani Commercial Banks International Journal of Scientific & Engineering Research 8(7), 1459-1478 Khidmat, W B., & Rehman, M U (2014) IMPACT OF LIQUIDITY & SOLVENCY ON PROFITABILITY CHEMICAL SECTOR OF PAKISTAN Economics, Management, Innovation 6, 3-13 Lyngstadaas, H., & Berg, T (2016) Working capital management: evidence from Norway International Journal of Managerial Finance 12(3), 295-313.DOI: 10.1108/IJMF-01-2016-0012 Lyroudi, K., & Lazaridis, Y (2000) The Cash Conversion Cycle and Liquidity Analysis of the Food Industry in Greece Lyroudi, Katerina and Lazaridis, Yiannis, The Cash Conversion Cycle and Liquidity Analysis of the Food Industry in Greece, 1-32 M, A K., Arumugam, D., & R, P (2016) FACTORS DETERMINING PROFITABILITY Indian Journal of Commerce & Management Studies 7(2), 64-69 Madushanka, K H., & Jathurika, M (2018) The Impact of Liquidity Ratios on Profitability (With special reference to Listed Manufacturing Companies in Sri Lanka) International Research Journal of Advanced Engineering and Science, 3(4), 157-161 Owolabi, S A., Obiakor, R T., & Okwu, A T (2011) Investigating LiquidityProfitability Relationship in Business Organizations: A Study of Selected British Journal of Economics, Finance and Management Sciences, 1(2), 11-29 Smith, A (1776) An Inquiry into the Nature and Causes of the Wealth of Nations Su, J -T., & Dong, H P (2010) The Relationship between Working Capital Management and Profitability: A Vietnam Case International Research Journal of Finance and Economics 49, 62-71 Toby, A (2006) EMPIRICAL STUDY OF THE LIQUIDITY MANAGEMENT PRACTICES OF NIGERIAN BANKS Journal of Financial Management & Analysis Trần Thị Thanh Vân (2014) Mối quan hệ khả tóan khả sinh lời: Nghiên cứu điển hình cho cơng ty cổ phần ngành bất động sản lên thị trường chứng khoán Việt Nam Hà Nội Winarso, E., & Hutabarat, F M (2019) Liquidity, Solvency and Profitability: An Analysis of Consumer Sector Companies Listed on Indonesian Stock Exchange: Period- 2014-2016 Journal of Emerging Issues in Economics, Finance and Banking (JEIEFB) An Online (Double-Blind) Refereed Research Journal 8(1), 2773-2781 Yameen, M., Farhan, N H., & Tabash, M I (2019) The Impact of Liquidity on Firms’ Performance: Empirical Investigation from Indian Pharmaceutical Companies Academic Journal of Interdisciplinary Studies, 8(3), 212220.Doi:10.36941/ajis-2019-0019 PHỤ LỤC DANH SÁCH DOANH NGHIỆP NGÀNH PHÂN BÓN MCK Tên DPM TCT Phân bón Hóa chất Dầu khí - CTCP LAS CTCP Supe Phốt phát Hóa chất Lâm Thao NFC CTCP Phân lân Ninh Bình SFG CTCP Phân Bón Miền Nam PSE CTCP Phân Bón Hóa Chất Dầu khí Đơng Nam Bộ DCM CTCP Phân bón Dầu khí Cà Mau HSI CTCP Vật tư Tổng hợp Phân bón Hóa Sinh VAF CTCP Phân lân Nung chảy Văn Điển PCE CTCP Phân bón Hóa chất Dầu khí Miền Trung BFC CTCP Phân bón Bình Điền DHB CTCP Phân đạm Hóa chất Hà Bắc DGC CTCP Bột giặt Hóa chất Đức Giang PMB CTCP Phân bón Hóa chất Dầu khí Miền Bắc PSW CTCP Phân bón Hóa chất Dầu khí Tây Nam Bộ TSC CTCP Vật tư Kỹ thuật nông nghiệp Cần Thơ KẾT QUẢ CHẠY DỮ LIỆU STATA 16 import excel "C:\Users\Admin\Documents\data phuong chuan.xlsx", sheet("Sheet1") firstrow clear (17 vars, 75 obs) encode Name, gen(Name1) xtset Name1 YEAR panel variable: time variable: delta: Name1 (strongly balanced) YEAR, 2015 to 2019 unit sum ROA ROE if YEAR ==2015 Variable | Obs Mean Std Dev Min Max -+ ROA | 15 0728396 0624945 -.0664206 1526217 ROE | 15 2480014 5018149 -.3245621 1.997575 sum ROA ROE if YEAR ==2016 Variable | Obs Mean Std Dev Min Max -+ ROA | 15 0667636 061168 -.1051767 1283146 ROE | 15 0238246 3138046 -1.002439 245752 sum ROA ROE if YEAR ==2017 Variable | Obs Mean Std Dev Min Max -+ ROA | 15 0557863 047514 -.0627055 1448466 ROE | 15 4200564 1.671528 -1.406159 6.291861 sum ROA ROE if YEAR ==2018 Variable | Obs Mean Std Dev Min Max -+ ROA | 15 0486416 0487472 -.0334329 1838867 ROE | 15 -.0551276 7388125 -2.689335 5140184 sum ROA ROE if YEAR ==2019 Variable | Obs Mean Std Dev Min Max -+ ROA | 15 0280128 0424604 -.0682898 120012 ROE | 15 1041005 3361666 -.3843185 1.238363 sum CR QR if YEAR ==2015 Variable | Obs Mean Std Dev Min Max -+ CR | 15 2.384805 1.431636 488287 5.428928 QR | 15 1.551966 1.304818 2375081 4.654459 sum CR QR if YEAR ==2016 Variable | Obs Mean Std Dev Min Max -+ CR | 15 2.821124 1.629516 4110455 5.380099 QR | 15 2.061685 1.513783 1292559 4.583428 sum CR QR if YEAR ==2017 Variable | Obs Mean Std Dev Min Max -+ CR | 15 2.653285 1.444264 7393095 6.381103 QR | 15 1.895577 1.486321 3681757 6.141954 sum CR QR if YEAR ==2018 Variable | Obs Mean Std Dev Min Max -+ CR | 15 2.042142 9589503 2865538 3.462217 QR | 15 1.228358 6423473 2140471 2.358148 sum CR QR if YEAR ==2019 Variable | Obs Mean Std Dev Min Max -+ CR | 15 2.504284 1.422845 2078712 4.984389 QR | 15 1.574075 1.068055 087191 3.425404 sum DIO DSO DPO if YEAR ==2015 Variable | Obs Mean Std Dev Min Max -+ DIO | 15 78.12845 59.42457 10.53789 192.9733 DSO | 15 44.17345 44.45787 2.933292 146.7093 DPO | 15 25.303 16.13606 2.477688 66.82247 sum DIO DSO DPO if YEAR ==2016 Variable | Obs Mean Std Dev Min Max -+ DIO | 15 63.90974 58.17919 0511795 193.7626 DSO | 15 49.62132 57.05367 3.551776 216.0214 DPO | 15 28.431 24.95156 1.277716 78.33103 sum DIO DSO DPO if YEAR ==2017 Variable | Obs Mean Std Dev Min Max -+ DIO | 15 68.50574 60.74998 1.637518 190.2482 DSO | 15 64.62319 82.34831 3.081119 299.4686 DPO | 15 28.01547 18.70904 7259583 50.44706 sum DIO DSO DPO if YEAR ==2018 Variable | Obs Mean Std Dev Min Max -+ DIO | 15 75.04057 54.72111 8.964307 171.6578 DSO | 15 66.03689 80.48483 7.668293 303.7797 DPO | 15 31.70873 20.92651 1.997953 78.93438 sum DIO DSO DPO if YEAR ==2019 Variable | Obs Mean Std Dev Min Max -+ DIO | 15 78.94724 54.54958 6.170301 182.8773 DSO | 15 68.42031 83.95443 11.40755 307.9295 DPO | 15 33.20488 27.35195 1.018288 83.94469 sum ROA ROE CR QR DIO DSO DPO Variable | Obs Mean Std Dev Min Max -+ ROA | 75 0544088 0539691 -.1051767 1838867 ROE | 75 1481711 8651155 -2.689335 6.291861 CR | 75 2.481128 1.382832 2078712 6.381103 QR | 75 1.662332 1.246211 087191 6.141954 DIO | 75 72.90635 56.30555 0511795 193.7626 -+ DSO | 75 58.57503 70.20219 2.933292 307.9295 DPO | 75 29.33261 21.57883 7259583 83.94469 pwcorr ROA CR QR DIO DSO DPO | ROA CR QR DIO DSO DPO -+ -ROA | 1.0000 CR | 0.3793 1.0000 QR | 0.3305 0.8640 1.0000 DIO | -0.1322 -0.2222 -0.5240 1.0000 DSO | -0.3405 -0.3591 -0.2616 0.3289 1.0000 DPO | -0.5511 -0.5349 -0.4428 0.3900 0.5925 1.0000 pwcorr ROE CR QR DIO DSO DPO | ROE CR QR DIO DSO DPO -+ -ROE | 1.0000 CR | 0.0282 1.0000 QR | 0.0220 0.8640 1.0000 DIO | 0.1903 -0.2222 -0.5240 1.0000 DSO | 0.2902 -0.3591 -0.2616 0.3289 1.0000 DPO | -0.0528 -0.5349 -0.4428 0.3900 0.5925 1.0000 reg ROA CR QR DIO DSO DPO Source | SS df MS -+ -Model | 074202078 014840416 Residual | 141335395 69 002048339 -+ -Total | 215537473 74 002912669 Number of obs F(5, 69) Prob > F R-squared Adj R-squared Root MSE = = = = = = 75 7.25 0.0000 0.3443 0.2967 04526 -ROA | Coef Std Err t P>|t| [95% Conf Interval] -+ -CR | -.0107019 0111276 -0.96 0.340 -.0329007 011497 QR | 0193773 0128587 1.51 0.136 -.006275 0450296 DIO | 0002763 0001561 1.77 0.081 -.0000352 0005877 DSO | -.000064 000098 -0.65 0.516 -.0002594 0001315 DPO | -.0014075 0003549 -3.97 0.000 -.0021156 -.0006994 _cons | 0736431 018632 3.95 0.000 0364733 1108129 xtreg ROA CR QR DIO DSO DPO,fe Fixed-effects (within) regression Group variable: Name1 Number of obs Number of groups R-sq: Obs per group: within = 0.1827 between = 0.2541 overall = 0.2252 corr(u_i, Xb) = 0.1691 F(5,55) Prob > F = = 75 15 = avg = max = 5.0 = = 2.46 0.0442 -ROA | Coef Std Err t P>|t| [95% Conf Interval] -+ CR | -.0071645 0101 -0.71 0.481 -.0274055 0130764 QR | 0191316 0109544 1.75 0.086 -.0028215 0410848 DIO | 0001765 0002093 0.84 0.403 -.0002429 0005958 DSO | 0000861 0001221 0.71 0.483 -.0001586 0003309 DPO | -.0006808 0003663 -1.86 0.068 -.0014148 0000532 _cons | 0424397 0229161 1.85 0.069 -.0034852 0883646 -+ -sigma_u | 04236847 sigma_e | 02858519 rho | 68719356 (fraction of variance due to u_i) -F test that all u_i=0: F(14, 55) = 8.43 Prob > F = 0.0000 est store FEM xtreg ROA CR QR DIO DSO DPO,re Random-effects GLS regression Group variable: Name1 Number of obs Number of groups R-sq: Obs per group: within = 0.1742 between = 0.3613 overall = 0.2994 corr(u_i, X) = (assumed) Wald chi2(5) Prob > chi2 = = 75 15 = avg = max = 5.0 = = 17.41 0.0038 -ROA | Coef Std Err z P>|z| [95% Conf Interval] -+ -CR | -.0059964 0093095 -0.64 0.519 -.0242426 0122498 QR | 0180309 0103064 1.75 0.080 -.0021694 0382311 DIO | 0001833 0001645 1.11 0.265 -.0001391 0005058 DSO | 0000282 0001048 0.27 0.788 -.0001772 0002337 DPO | -.0008368 0003364 -2.49 0.013 -.0014961 -.0001774 _cons | 048838 0220087 2.22 0.026 0057018 0919743 -+ -sigma_u | 041818 sigma_e | 02858519 rho | 68154402 (fraction of variance due to u_i) - est store REM hausman FEM REM Coefficients -| (b) (B) (b-B) sqrt(diag(V_b-V_B)) | FEM REM Difference S.E -+ -CR | -.0071645 -.0059964 -.0011682 0039173 QR | 0191316 0180309 0011007 0037117 DIO | 0001765 0001833 -6.86e-06 0001293 DSO | 0000861 0000282 0000579 0000626 DPO | -.0006808 -.0008368 0001559 0001448 -b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 2.76 Prob>chi2 = 0.7373 xttest0 Breusch and Pagan Lagrangian multiplier test for random effects ROA[Name1,t] = Xb + u[Name1] + e[Name1,t] Estimated results: | Var sd = sqrt(Var) -+ ROA | 0029127 0539691 e | 0008171 0285852 u | 0017487 041818 Test: Var(u) = chibar2(01) = Prob > chibar2 = xtserial ROA CR QR DIO DSO DPO 44.17 0.0000 Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 14) = 15.144 Prob > F = 0.0016 xtgls ROA CR QR DIO DSO DPO, panel(h) corr(ar1) Cross-sectional time-series FGLS regression Coefficients: Panels: Correlation: generalized least squares heteroskedastic common AR(1) coefficient for all panels Estimated covariances = Estimated autocorrelations = Estimated coefficients = 15 (0.4940) Number of obs Number of groups Time periods Wald chi2(5) Prob > chi2 = = = = = 75 15 24.09 0.0002 -ROA | Coef Std Err z P>|z| [95% Conf Interval] -+ -CR | 0001404 0053501 0.03 0.979 -.0103456 0106263 QR | 0080871 0067207 1.20 0.029 -.0050853 0212594 DIO | 0000751 0000949 0.79 0.429 -.000111 0002612 DSO | -.0001423 0001065 -1.34 0.042 -.0003511 0000665 DPO | -.0005897 0002592 -2.27 0.023 -.0010978 -.0000817 _cons | 0601624 0139409 4.32 0.000 0328388 0874861 reg ROE CR QR DIO DSO DPO Source | SS df MS -+ -Model | 11.9116894 2.38233788 Residual | 43.4717473 69 630025323 -+ -Total | 55.3834367 74 74842482 Number of obs F(5, 69) Prob > F R-squared Adj R-squared Root MSE = = = = = = 75 3.78 0.0044 0.2151 0.1582 79374 -ROE | Coef Std Err t P>|t| [95% Conf Interval] -+ -CR | -.2211465 1951542 -1.13 0.261 -.6104685 1681755 QR | 3043175 2255141 1.35 0.182 -.1455708 7542058 DIO | 0057897 0027384 2.11 0.038 0003268 0112526 DSO | 0051151 0017182 2.98 0.004 0016874 0085429 DPO | -.0176657 0062247 -2.84 0.006 -.0300837 -.0052478 _cons | -.0125565 3267662 -0.04 0.969 -.6644372 6393242 xtreg ROE CR QR DIO DSO DPO,fe Fixed-effects (within) regression Group variable: Name1 Number of obs Number of groups 75 15 R-sq: Obs per group: = avg = max = 5.0 = = 1.04 0.0031 within = 0.0864 between = 0.1679 overall = 0.0886 = = corr(u_i, Xb) = -0.5647 F(5,55) Prob > F -ROE | Coef Std Err t P>|t| [95% Conf Interval] -+ -CR | -.051061 2864345 -0.18 0.859 -.6250886 5229666 QR | 0929683 3106643 0.30 0.766 -.5296169 7155534 DIO | 011188 0059344 1.89 0.065 -.0007048 0230808 DSO | 0013534 003463 0.39 0.697 -.0055866 0082934 DPO | -.0161011 010387 -1.55 0.127 -.0369172 0047149 _cons | -.3023458 6498948 -0.47 0.644 -1.604764 1.000073 -+ -sigma_u | 54820911 sigma_e | 81066826 rho | 31380195 (fraction of variance due to u_i) -F test that all u_i=0: F(14, 55) = 0.80 Prob > F = 0.6689 est store FEM xtreg ROE CR QR DIO DSO DPO,re Random-effects GLS regression Group variable: Name1 Number of obs Number of groups R-sq: Obs per group: within = 0.0433 between = 0.6871 overall = 0.2151 corr(u_i, X) = (assumed) Wald chi2(5) Prob > chi2 = = 75 15 = avg = max = 5.0 = = 18.91 0.0020 -ROE | Coef Std Err z P>|z| [95% Conf Interval] -+ -CR | -.2211465 1951542 -1.13 0.257 -.6036418 1613487 QR | 3043175 2255141 1.35 0.177 -.137682 7463169 DIO | 0057897 0027384 2.11 0.034 0004226 0111568 DSO | 0051151 0017182 2.98 0.003 0017475 0084828 DPO | -.0176657 0062247 -2.84 0.005 -.0298659 -.0054656 _cons | -.0125565 3267662 -0.04 0.969 -.6530064 6278934 -+ -sigma_u | sigma_e | 81066826 rho | (fraction of variance due to u_i) - est store REM hausman FEM REM Coefficients -| (b) (B) (b-B) sqrt(diag(V_b-V_B)) | FEM REM Difference S.E -+ -CR | -.051061 -.2211465 1700855 2096653 QR | 0929683 3043175 -.2113492 213672 DIO | 011188 0057897 0053982 0052648 DSO | 0013534 0051151 -.0037617 0030067 DPO | -.0161011 -.0176657 0015646 0083152 -b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 4.33 Prob>chi2 = 0.5029 xttest0 Breusch and Pagan Lagrangian multiplier test for random effects ROE[Name1,t] = Xb + u[Name1] + e[Name1,t] Estimated results: | Var sd = sqrt(Var) -+ ROE | 7484248 8651155 e | 657183 8106683 u | 0 Test: Var(u) = chibar2(01) = Prob > chibar2 = xtserial ROE CR QR DIO DSO DPO 0.00 1.0000 Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation F( 1, 14) = 5.000 Prob > F = 0.0421 xtgls ROE CR QR DIO DSO DPO,panel(h) Cross-sectional time-series FGLS regression Coefficients: Panels: Correlation: generalized least squares heteroskedastic no autocorrelation Estimated covariances = Estimated autocorrelations = Estimated coefficients = 15 Number of obs Number of groups Time periods Wald chi2(5) Prob > chi2 = = = = = 75 15 4.48 0.0430 -ROE | Coef Std Err z P>|z| [95% Conf Interval] -+ -CR | -.0630377 0466682 -1.35 0.177 -.1545058 0284303 QR | 0573618 0550501 1.04 0.047 -.0505343 1652579 DIO | 0008085 0007186 1.13 0.261 -.0005999 0022169 DSO | 0008581 0009076 0.95 0.344 -.0009208 002637 DPO | -.00354 0025067 -1.41 0.038 -.0084531 0013731 _cons | 1855686 0797639 2.33 0.020 0292342 341903 DANH SÁCH CÁC CHỈ TIÊU DỮ LIỆU THU THẬP Nam e YEA R ROA ROE BFC 2015 0.064144 0.206758 BFC 2016 0.080897 0.245752 BFC 2017 0.072113 0.226869 BFC 2018 0.052001 0.162607 BFC 2019 0.022173 0.064158 DCM 2015 0.048905 0.113598 DCM 2016 0.047800 0.105950 DCM 2017 0.051210 0.103661 DCM 2018 0.059484 0.104667 DCM 2019 0.041894 0.069792 DGC 2015 0.152622 0.234497 DGC 2016 0.120611 0.177271 DGC 2017 0.144847 0.192731 DGC 2018 0.183887 0.274776 DGC 2019 0.120012 0.164181 DHB 2015 DHB 2016 DHB 2017 DHB 2018 (0.324562 ) (1.002439 ) (1.406159 ) (2.689335 ) DHB 2019 (0.066421 ) (0.105177 ) (0.062706 ) (0.033433 ) (0.068290 ) DPM 2015 0.136294 0.174111 DPM 2016 0.119237 0.138648 DPM 2017 0.067659 0.086340 DPM 2018 0.062833 0.084748 DPM 2019 0.033015 0.046279 HSI 2015 (0.054658 1.997575 1.238363 CR QR DIO 1.19712 1.24260 1.22521 1.22498 1.21648 1.82809 1.59098 1.91607 1.39439 1.28789 1.29167 1.31016 1.68387 1.36506 1.78159 0.48828 0.41104 0.73931 0.28655 0.20787 4.40335 5.01680 3.53921 3.41648 2.88436 1.30504 0.44746 0.50144 0.36817 0.41779 0.55713 1.66635 1.44285 1.76929 1.07709 0.89097 1.01429 1.04032 1.52694 0.85589 1.14527 0.23750 0.12925 0.61512 0.21404 0.08719 3.65731 4.21904 2.67645 2.31655 2.21940 0.75209 121.70932 113.30879 144.68205 125.03832 DSO 29.398658 37.549403 29.398612 33.396970 91.111490 41.643200 36.220969 5.220747 38.131843 35.808848 30.984395 25.431809 68.287433 24.715162 78.584538 20.829027 32.982009 91.114982 28.644325 65.361846 24.761808 139.73082 61.502797 44.925636 72.232942 45.442157 87.053418 54.735662 60.268271 23.869724 35.541710 29.234742 71.120780 127.01829 122.80622 113.81264 75.587473 31.521338 61.053567 23.703209 75.861184 11.802871 82.157583 20.471382 79.624615 13.777631 95.923202 116.62190 DPO 19.81266 22.27915 25.48970 27.84595 24.54816 27.55734 69.88388 36.57480 52.82825 52.75427 21.71973 16.46532 48.57454 15.88761 11.65103 66.82247 78.33102 48.80319 51.44351 49.51923 19.94460 31.38543 18.46616 20.51074 27.80828 30.73666 Nam e YEA R ROA ROE ) HSI 2016 0.008120 (0.348769 ) HSI 2017 0.030904 6.291861 HSI 2018 0.003792 0.514018 HSI 2019 (0.002009 ) (0.384319 ) LAS 2015 0.113373 0.229370 LAS 2016 0.050512 0.107743 LAS 2017 0.054060 0.115435 LAS 2018 0.041055 0.096545 LAS 2019 0.000853 0.001947 NFC 2015 0.060241 0.089050 NFC 2016 0.085876 0.104972 NFC 2017 0.072595 0.105614 NFC 2018 0.065425 0.111871 NFC 2019 0.039020 0.050818 PCE 2015 0.105657 0.171328 PCE 2016 0.128315 0.156323 PCE 2017 0.090169 0.108900 PCE 2018 0.031823 0.081856 PCE 2019 0.076467 0.095782 PMB 2015 0.130610 0.159278 PMB 2016 0.107148 0.133512 PMB 2017 0.075784 0.087138 PMB 2018 0.072417 0.097018 PMB 2019 0.064962 0.084066 PSE 2015 0.097184 0.168833 PSE 2016 0.104016 0.146414 CR QR 1.46833 1.79339 1.96840 0.74061 1.80940 1.72759 1.72126 1.58134 1.58915 2.96460 5.38009 3.00575 2.30626 3.91504 2.04322 4.09159 4.42383 1.46745 3.97571 4.80711 4.47737 6.38110 3.46221 3.94419 1.90745 2.86061 1.04271 1.27994 1.40111 0.52069 0.95635 0.95017 1.29238 1.10035 1.06235 0.57753 1.47898 0.96380 0.54228 1.31129 1.36882 3.13085 3.78929 1.24883 2.85736 3.32370 4.29309 6.14195 2.35814 3.42540 1.28092 2.85614 DIO 104.11402 150.22689 141.90428 154.47437 115.79619 127.48594 73.059339 103.47328 127.49110 192.97327 127.13341 135.48064 171.65781 128.08994 DSO DPO 216.02139 299.46862 303.77968 307.92954 43.19735 46.54255 51.92765 83.94468 47.67893 62.50036 49.36583 78.93437 75.63200 15.77867 13.87082 30.03779 20.30501 18.29164 11.87057 72.021361 108.66090 151.67565 179.18039 207.82213 28.532322 34.078281 51.189255 43.007109 50.215970 10.537887 3.855067 6.451159 5.169109 1.277716 3.992372 3.081119 0.725958 8.964307 36.302367 31.53156 8.992643 11.407553 1.353883 13.932240 2.933292 2.477688 2.102490 3.551776 2.625671 1.637518 4.932803 2.053273 13.869775 7.668293 1.997953 6.170301 12.952403 1.018288 10.634247 8.391425 14.20949 0.051180 6.786940 6.633871 Nam e YEA R ROA ROE PSE 2017 0.061761 0.080063 PSE 2018 0.036757 0.081769 PSE 2019 0.044259 0.069702 SFG 2015 0.063665 0.148545 SFG 2016 0.077654 0.159950 SFG 2017 0.074280 0.156111 SFG 2018 0.053559 0.114541 SFG 2019 0.001417 0.002765 TSC 2015 0.055549 0.063523 TSC 2016 0.004542 0.005061 TSC 2017 TSC 2018 (0.012157 ) (0.013096 ) (0.013465 ) (0.014517 ) TSC 2019 0.000714 0.000761 VAF 2015 0.090890 0.139090 VAF 2016 0.063551 0.095440 VAF 2017 0.087411 0.118689 VAF 2018 0.074012 0.098448 VAF 2019 0.020910 0.026935 CR QR 3.63918 1.65714 2.45612 1.49443 1.61948 1.56715 1.51622 1.56875 5.42892 3.87674 2.63881 2.37696 3.34408 2.43394 2.50726 3.14481 3.30318 3.66796 2.64781 1.08134 1.47871 0.50546 0.96756 0.76841 0.86041 0.71495 4.65445 3.34798 2.17496 1.93241 2.99395 1.09690 0.94141 0.97573 1.24465 1.26146 DIO DSO DPO 8.550722 6.467403 1.485314 17.597841 15.464646 17.223725 13.071766 131.44320 46.495398 67.802028 71.729851 87.931867 50.936991 77.683179 79.439401 108.30354 66.265098 67.859742 146.70926 27.152420 96.963420 41.584696 44.985080 45.675573 45.990617 40.509399 65.557706 167.98001 193.76257 190.24820 159.09339 182.87725 18.113652 11.411788 11.813185 19.907482 39.755839 27.80553 10.61300 26.14755 16.65494 23.00309 7.680392 25.55972 35.59652 19.29845 50.44705 44.27883 62.65191 30.25791 37.11315 30.94703 33.29962 49.59927 ... HỌC KINH TẾ QUỐC DÂN  VŨ THỊ PHƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CÔNG TY KINH DOANH PHÂN BÓN NIÊM YẾT Ở VIỆT NAM Chuyên ngành: Kế tốn, Kiểm tốn phân. .. cứu cách sâu, rộng tác động khoản với khả sinh lợi doanh nghiệp Việt Nam Vì vậy, khóa luận lựa chọn đề tài ? ?Phân tích tác động tính khoản đến khả sinh lợi cơng ty kinh doanh phân bón niêm yết Việt. .. HỌC KINH TẾ QUỐC DÂN  VŨ THỊ PHƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA TÍNH THANH KHOẢN ĐẾN KHẢ NĂNG SINH LỢI TRONG CÁC CƠNG TY KINH DOANH PHÂN BĨN NIÊM YẾT Ở VIỆT NAM Chuyên ngành: Kế toán, Kiểm toán phân